CN113627817A - 一种基于城市内涝条件下道路连通性分析方法 - Google Patents

一种基于城市内涝条件下道路连通性分析方法 Download PDF

Info

Publication number
CN113627817A
CN113627817A CN202110956051.1A CN202110956051A CN113627817A CN 113627817 A CN113627817 A CN 113627817A CN 202110956051 A CN202110956051 A CN 202110956051A CN 113627817 A CN113627817 A CN 113627817A
Authority
CN
China
Prior art keywords
data
road
rainfall
connectivity
urban
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110956051.1A
Other languages
English (en)
Other versions
CN113627817B (zh
Inventor
周瑞涛
郑航
刘悦忆
万文华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan University of Technology
Original Assignee
Dongguan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN202110956051.1A priority Critical patent/CN113627817B/zh
Publication of CN113627817A publication Critical patent/CN113627817A/zh
Application granted granted Critical
Publication of CN113627817B publication Critical patent/CN113627817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种基于城市内涝条件下道路连通性分析方法，提出城市降雨‑产流‑积水‑道路淹没‑连通性破坏评估的计算流程，识别不同降雨重现期下城市积水的范围，进一步地判断道路淹没情况，提出积水淹没道路的去除模式，计算路网连通性的变化，给出城市降雨积水对道路连通性影响的定量评估方法。本发明能够识别暴雨淹没路段，给出不同降雨重现期下受暴雨影响的路段，提出路网中淹没路段的去除方式，计算路网连通性变化。与现有技术相比，本发明可以提高道路淹没细节的计算，给出连通性计算中淹没路段的处理方式，判断导致路网连通性急剧变化的降雨条件阈值，理论意义明确，容易应用。

Description

一种基于城市内涝条件下道路连通性分析方法
技术领域
本发明涉及水文水资源管理技术领域，具体涉及一种城市内涝条件下道路连通性分析方法
背景技术
暴雨导致的城市内涝在我国频繁发生，已经成为制约我国城市可持续发展的重要因素。尤其是，内涝导致的道路交通堵塞，诸如“逢雨必堵”的问题，给人民生活质量造成越来越严重的影响。在此背景下，需要对内涝情景下城市道路的淹没信息进行系统的分析和定量的测算。
目前的城市降雨积水模拟和道路连通性分析方法，对道路淹没范围的处理不够细致，无法精细识别道路中的淹没区域，难以给出不同降雨强度下道路淹没和阻断的范围，对于淹没道路如何从交通路网中进行去除，缺少具体的计算方法。因而，导致城市降雨积水模拟和路网连通性的计算难以耦合连接。
发明内容
为背景解决技术中道路淹没范围的处理不细致、无法精细识别道路淹没和阻断范围，本发明提供一种城市内涝条件下道路连通性分析方法，该方法能够提高了道路淹没细节的计算，识别出城市内淹没道路，判断出道路易淹程度，计算出道路的连通性变化，得到导致路网连通性急剧变化的降雨条件阈值。
为实现上述目的，本发明的城市内涝条件下道路连通性分析方法的技术方案如下：
一种基于城市内涝条件下道路连通性分析方法，包括以下步骤：
S1、收集数据并对数据进行预处理；所述数据包括实测的气象数据、土地利用数据、水管网数据、道路数据、地形数据；
S2、根据水管网数据获取管道数据的预测值；
S3、根据气象数据和地形数据获取地表积水深度数据的预测值；
S4、耦合步骤S2中的管道数据的预测值和步骤S3中地表积水深度数据的预测值，预测得到城市积水深度数据；
S5、根据实测的气象数据和积水深度数据，对比步骤S4中的积水深度数据，最终率定模型参数；
S6、根据不同重现期降雨，重复上述S2～S4步骤，模拟生成不同重现期的城市积水深度；
S7、根据积水结果的重分类阈值，获得不同重现期城市积水深度的分布情况；
S8、根据S7的分析结果分析道路连通性。
进一步地，所述气象数据为实测的降雨数据；所述土地利用数据包括建筑用地、道路、绿地、水体四类土地利用数据；所述水管网数据中，水管的数据包括管道类型、长度、曼宁系数、直径、宽和高；所述道路数据包括道路路段、交叉路口、断头路；所述地形数据为高程点数据。
进一步地，步骤S1更具体为：
S11、收集数据；
S12、将所述水管网数据进行合理概化，减少模型运行负荷；
S13、根据水管网数据中的节点，通过ARCGIS中的泰森多边形生成将整个城市划分成每个单独的子汇水区；
S14、将实测的降雨数据转换为dfs0格式的降雨序列文件；
S15、根据城市暴雨强度公式生成不同重现期的降雨序列文件，接着重复步骤S14，将不同重现期的降雨序列转换为dfs0格式的降雨序列文件；
S16、根据与水管网数据同期的遥感影像，在城市范围内绘制建筑用地、道路、绿地、水体四类土地利用，并分图层保存，形成土地利用的shp文件；
S17、根据城市摸底调查的高程点数据，使用ARCGIS生成城市数字高程模型，使用ARCGIS将城市数字高程模型转为ASCII，并通过MIKE ZERO将转换为ASCII的城市数字高程模型转为MIKE 21能够识别的dfs2格式的地形文件，将Items设为Bathymetry，以创建城市地形；
S18、使用MIKE SHE将dfs0格式的降雨文件与dfs2格式的地形文件合并为具有降序序列的面文件，且该文件降雨数据为0；所述降雨数据作为面降雨数据输入地表漫流模型中；
S19、根据与水管网数据同期的遥感影像，在城市范围内绘制城市内道路路段、交叉路口、断头路的线和点的shp文件。
进一步地，所述管道数据的预测值包括管道的流速、流量、节点的水位。
进一步地，所述积水结果的重分类阈值为0～15cm、15～30cm和大于30cm。
进一步地，步骤S8具体包括以下步骤：
S81、将积水结果的某一数值作为阈值，将步骤S7模拟得到的不同重现期的城市积水深度，制作掩膜文件；
S82、将步骤S19中制作的道路路段、交叉路口、断头路的线和点文件通过步骤S81制作的掩膜文件裁剪和擦除，得到受淹道路和不受降雨影响的道路；
S83、通过线-点比值法、交叉口密度法、道路网密度法计算不同重现期降雨下道路的连通性。具体如下式所示：
Figure BDA0003220322530000041
Figure BDA0003220322530000042
Figure BDA0003220322530000043
其中，公式(1)、(2)、(3)分别对应线-点比值法、交叉口密度法、道路网密度法；式中R1、R2、R3分别表示线-点比值法、交叉口密度法、道路网密度法的值，NL表示道路路段个数，NP表示道路交叉口和断头路总个数，NPi表示交叉口个数，S表示城市面积，单位km2，LL表示道路长度，单位km；
S84、将R1、R2、R3标准化，并取平均的连通性R，分析暴雨重现期与R的数理关系，探究道路连通性最敏感的暴雨重现期。具体如下式所示：
Figure BDA0003220322530000044
其中，Ri表示重现期为i的连通性值；R1i，R2i，R3i分别表示重现期为i的线-点比值、交叉口密度、道路网密度；max(R1)，max(R2)，max(R3)分别表示线-点比值、交叉口密度、道路网密度中的最大值。
与现有技术相比，本发明的优点及有益效果为：本发明通过模拟不同重现期降雨城市内涝积水情况，识别不同降雨重现期下城市积水的范围，基于积水情况制作路网的掩膜文件，进一步地判断道路淹没情况，提高了道路淹没细节的计算，识别出城市内淹没道路，判断出道路易淹程度，计算出道路的连通性变化，得到导致路网连通性急剧变化的降雨条件阈值。
附图说明
图1为本发明一种基于城市内涝条件下道路连通性分析方法的流程图；
图2为本发明的另一流程图；
图3不同重现期道路积水分布示意图；
图4不同重现期道路淹没情况示意图；
图5重现期年数与道路连通性R的关系示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
下面结合图1至5和实施例对本发明的技术方案做进一步的说明。
一种基于城市内涝条件下道路连通性分析方法，如图1-2所示，包括以下步骤：
S1、收集数据并对数据进行预处理；
S11、收集数据；
根据东莞市沙田镇2019年摸底调查的城市管网数据，所述数据包括实测的气象数据、土地利用数据、水管网数据、道路数据、地形数据。其中，所述气象数据具体为实测的降雨数据；所述土地利用数据包括建筑用地、道路、绿地、水体四类土地利用；所述水管网数据中，水管的数据具体为管道类型、长度、曼宁系数、直径、宽和高；所述道路数据包括道路路段、交叉路口、断头路；所述地形数据具体为高程点数据。
S12、将所述水管网数据进行合理概化；
提取出雨水管道，选择沙田镇东部作为研究区，总面积42.98km2。对雨水管道进行合理概化，最终，沙田镇中共有5487个节点，269个排水口，5635根管道和明渠，管道总长197.96km。所述节点的具体参数包括节点的位置、直径、类型、地面标高、井底标高，
S13、根据水管网数据中的节点，通过ARCGIS中的泰森多边形生成将整个城市划分成每个单独的子汇水区；所述子汇区的参数包括子汇区的位置和面积。
根据5487个节点的经纬度信息，使用ARCGIS进行空间展布，并通过创建泰森多边形工具，将沙田镇划分为5487个子汇水区。
S14、使用MIKE ZERO将实测的降雨数据转换为dfs0格式的降雨序列文件；
使用LoggerNet读取气象站的气象数据，提取2021年5月31日17：00-24：00的降雨数据至MIKE ZERO的Time Series中，制作格式为dfs0的降雨序列文件，单位为rainfallintensity。
S15、根据城市暴雨强度公式生成不同重现期的降雨序列文件，接着重复步骤S14，将不同重现期的降雨序列转换为dfs0格式的降雨序列文件；
根据《东莞市暴雨强度公式及计算图表(2016年)》中每个单一重现期暴雨强度公式，使用芝加哥雨型生成器，获得降雨历时2h、雨峰系数为0.367的降雨序列。接着提取降雨序列至MIKE ZERO的Time Series中，制作格式为dfs0的降雨序列文件，单位为rainfallintensity。
S16、根据与水管网数据同期的遥感影像，在城市范围内绘制建筑用地、道路、绿地、水体四类土地利用，并分图层保存，形成土地利用的shp文件；
由于管网数据为年2019年摸底调查所得，所以，土地利用使用同期的GoogleEarth的17级遥感影像，该遥感影像的空间分辨率为1m。在进行坐标系统一后，根据影像中的地物，绘制建筑用地、道路、绿地、水体四类土地利用，并分图层保存，形成土地利用的shp文件。
S17、根据城市摸底调查的高程点数据，使用ARCGIS生成城市数字高程模型，使用ARCGIS将城市数字高程模型转为ASCII，并通过MIKE ZERO将转换为ASCII的城市数字高程模型转为MIKE 21能够识别的dfs2格式的地形文件，将Items设为Bathymetry，以创建城市地形；
通过将沙田镇摸底调查数据中的高程值置于同一图层上，共有231147个具有高程值的点。通过ARCGIS中“创建TIN”和“TIN转栅格”，将高程值制作成5m分辨率的城市数字高程模型(DEM)，沙田镇高程值范围为0-84m。模型模拟时最大积水深不得超过10m，所以，将沙田镇中的房屋高程统一设置为95m，并通过ARCGIS中“面转栅格”制作成5m分辨率的栅格文件。最后将DEM与房屋进行栅格镶嵌，制作出含有建筑的地形文件。
使用ARCGIS将地形文件转为ASCII文件，再通过MIKE ZERO的MIKE ZERO Toolbox中的Grid2Mike，将转换为ASCII的城市数字高程模型转为MIKE 21能够识别的dfs2格式的地形文件，并将地形文件的Items设为Bathymetry。
S18、将步骤S17生成的dfs2格式的地形文件的Items改为Grid Codes，dfs0格式的降雨文件新增一列值为0的降雨；接着使用MIKE SHE将所述降雨文件与地形文件合并为具有降序序列的面降雨文件，且该文件降雨数据为0；所述降雨数据作为面降雨数据输入MIKE21中；
S19、根据与水管网数据同期的遥感影像，在城市范围内绘制城市内道路路段、交叉路口、断头路的线和点的shp文件。
S2、使用MIKE URBAN计算管道数据的预测值，所述管道的数据包括管道的流速、流量、节点的水位；
使用MIKE URBAN计算管道的流速、流量、水位、节点的水位等数据。打开MIKEURBAN，新建空白文件，设置空间坐标系。使用import工具导入城市管网数据和子汇水区，主要参数有所述节点的参数、管道的参数和子汇区的参数。使用连接工具，将节点与子汇水区连接，使用MIKE URBAN中Project Check Tool，检查模型节点、管道是否存在错误并及时调整。在模型中加载实测降雨序列文件和土地利用数据，根据《室外排水设计规范(2016版)》，选择中位数作为径流系数。计算各子汇水区的径流系数。运行模型，模拟得到包含管道的流速、流量、水位、节点的水位的数据network文件。
S3、使用MIKE 21计算地表积水深度数据的预测值；
创建MIKE 21文件，设置模拟起始时间和时间步长。加载步骤S17生成的地形文件和步骤S18生成的面降雨序列文件，设置输出路径、输出文件。所述输出文件中包含地表积水深度的数据的预测值。
S4、使用MIKE FLOOD平台耦合步骤S2中的管道的数据文件MIKE URBAN和步骤S3中的地表积水深度的数据文件MIKE 21，模拟降雨下城市地表积水与管道的交互过程，计算得到模拟过程中城市积水深度数据；
使用MIKE ZERO中FLOOD平台，创建MIKE FLOOD文件。加载MIKE URBAN和MIKE 21文件，并根据节点连接MIKE URBAN和MIKE 21，连接类型选择URBAN。根据节点直径，设置各节点入流面积，在运行过MIKE URBAN Preprocessing后，运行MIKE FLOOD，生成积水结果文件。通过调整模型的时间步长等参数以保证模型正常运行。
其中，所述积水结果文件包括积水深度的模拟结果数据。另外，在耦合过程中，步骤S3的输出文件被替换。
S5、根据实测的气象数据和积水深度数据，对比步骤S4中的积水深度数据，最终率定模型参数；
根据实测降雨和观测的积水深数据，寻找模拟中对应位置的积水深结果，对比二者之间的数据量级，如果模拟和实测之间误差不大，则认为模型参数合理。
S6、根据不同重现期降雨，重复上述S2～S4步骤，模拟生成不同重现期的城市积水深度；
将降雨数据改为步骤S15制作的不同重现期降雨，重复前述步骤S2～S4，模拟不同重现期降雨的城市积水深度(内涝情况)。
S7、根据积水结果的重分类阈值，获得不同重现期城市积水深度的分布情况(内涝情况)。所述积水结果的重分类阈值为0～15cm、15～30cm和大于30cm。其中，积水结果分类阈值为0～15cm时表示城市内涝分布面积大,但影响较弱。另外，积水结果分类阈值为15～30cm和大于30cm时，城市部分区域积水深度相对较深的。不同重现期的道路积水分及道路淹没情况的示意图分别如图3、4所示。
S8、根据S7的分析结果分析道路连通性；
S81、以15cm的最大积水深度作为阈值，将步骤S7模拟得到的不同重现期的城市积水深度，制作掩膜文件。
S82、将步骤S19中制作的道路路段的线文件、交叉路口和断头路的点文件通过上述方法制作的掩膜文件裁剪和擦除，分别得到受淹道路和不受降雨影响的道路。
S83、通过线-点比值法、交叉口密度法、道路网密度法计算不同重现期降雨下道路的连通性。具体如下式所示：
Figure BDA0003220322530000091
Figure BDA0003220322530000101
Figure BDA0003220322530000102
其中，公式(1)、(2)、(3)分别对应线-点比值法、交叉口密度法、道路网密度法；式中R1、R2、R3分别表示线-点比值法、交叉口密度法、道路网密度法的值，NL表示道路路段个数，NP表示道路交叉口和断头路总个数，NPi表示交叉口个数，S表示城市面积，单位km2，LL表示道路长度，单位km。
通过线-点比值法、交叉口密度法、道路网密度法定义计算不同重现期降雨下道路的线-点比值(R1)、交叉口密度(R2)、道路网密度(R3)。
S84、将R1、R2、R3标准化，并取平均的连通性R，分析暴雨重现期与R的数理关系，探究道路连通性最敏感的暴雨重现期。具体如下式所示：
Figure BDA0003220322530000103
其中，Ri表示重现期为i的连通性值；R1i，R2i，R3i分别表示重现期为i的线-点比值、交叉口密度、道路网密度；max(R1)，max(R2)，max(R3)分别表示线-点比值、交叉口密度、道路网密度中的最大值。
在本实施例中，暴雨重现期与连通性R的关系图如图5所示。判断出最敏感的重现期为20年一遇，沙田镇内67％的道路满足20年一遇的暴雨。其中，重现期为0，R为1表示原始道路的连通性，即晴天时的道路连通性。
值得说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于城市内涝条件下道路连通性分析方法，其特征在于，包括以下步骤：
S1、收集数据并对数据进行预处理；所述数据包括实测的气象数据、土地利用数据、水管网数据、道路数据、地形数据；
S2、根据水管网数据获取管道数据的预测值；
S3、根据气象数据和地形数据获取地表积水深度数据的预测值；
S4、耦合步骤S2中的管道数据的预测值和步骤S3中地表积水深度数据，预测得到城市积水深度数据；
S5、根据实测的气象数据和积水深度数据，对比步骤S4中的积水深度数据，最终率定模型参数；
S6、根据不同重现期降雨，重复上述S2～S4步骤，模拟生成不同重现期的城市积水深度；
S7、根据积水结果的重分类阈值，获得不同重现期城市积水深度的分布情况；
S8、根据S7的分析结果分析道路连通性。
2.根据权利要求1所述的方法，其特征在于：所述气象数据为实测的降雨数据；所述土地利用数据包括建筑用地、道路、绿地、水体四类土地利用数据；所述水管网数据中，水管的数据包括管道类型、长度、曼宁系数、直径、宽和高；所述道路数据包括道路路段、交叉路口、断头路；所述地形数据为高程点数据。
3.根据权利要求2所述的方法，其特征在于：步骤S1更具体为：
S11、收集数据；
S12、将所述水管网数据进行合理概化，减少模型运行负荷；
S13、根据水管网数据中的节点，通过ARCGIS中的泰森多边形生成将整个城市划分成每个单独的子汇水区；
S14、将实测的降雨数据转换为dfs0格式的降雨序列文件；
S15、根据城市暴雨强度公式生成不同重现期的降雨序列文件，接着重复步骤S14，将不同重现期的降雨序列转换为dfs0格式的降雨序列文件；
S16、根据与水管网数据同期的遥感影像，在城市范围内绘制建筑用地、道路、绿地、水体四类土地利用，并分图层保存，形成土地利用的shp文件；
S17、根据城市摸底调查的高程点数据，使用ARCGIS生成城市数字高程模型，使用ARCGIS将城市数字高程模型转为ASCII，并通过MIKE ZERO将转换为ASCII的城市数字高程模型转为MIKE 21能够识别的dfs2格式的地形文件，将Items设为Bathymetry，以创建城市地形；
S18、使用MIKE SHE将dfs0格式的降雨文件与dfs2格式的地形文件合并为具有降序序列的面文件，且该文件降雨数据为0；所述降雨数据作为面降雨数据输入MIKE 21中；
S19、根据与水管网数据同期的遥感影像，在城市范围内绘制城市内道路路段、交叉路口、断头路的线和点的shp文件。
4.根据权利要求3所述的方法，其特征在于：所述管道数据的预测值包括管道的流速、流量、节点的水位。
5.根据权利要求3所述的方法，其特征在于：所述积水结果的重分类阈值为0～15cm、15～30cm和大于30cm。
6.根据权利要求5所述的方法，其特征在于：步骤S8具体包括以下步骤：
S81、将积水结果的某一数值作为阈值，将步骤S7模拟得到的不同重现期的城市积水深度，制作掩膜文件；
S82、将步骤S19中制作的道路路段、交叉路口、断头路的线和点文件通过步骤S81制作的掩膜文件裁剪和擦除，得到受淹道路和不受降雨影响的道路；
S83、通过线-点比值法、交叉口密度法、道路网密度法计算不同重现期降雨下道路的连通性。具体如下式所示：
Figure FDA0003220322520000031
Figure FDA0003220322520000032
Figure FDA0003220322520000033
其中，公式(1)、(2)、(3)分别对应线-点比值法、交叉口密度法、道路网密度法；式中R1、R2、R3分别表示线-点比值法、交叉口密度法、道路网密度法的值，NL表示道路路段个数，NP表示道路交叉口和断头路总个数，NPi表示交叉口个数，S表示城市面积，单位km2，LL表示道路长度，单位km；
S84、将R1、R2、R3标准化，并取平均的连通性R，分析暴雨重现期与R的数理关系，探究道路连通性最敏感的暴雨重现期。具体如下式所示：
Figure FDA0003220322520000034
其中，Ri表示重现期为i的连通性值；R1i，R2i，R3i分别表示重现期为i的线-点比值、交叉口密度、道路网密度；max(R1)，max(R2)，max(R3)分别表示线-点比值、交叉口密度、道路网密度中的最大值。
CN202110956051.1A 2021-08-19 2021-08-19 一种基于城市内涝条件下道路连通性分析方法 Active CN113627817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110956051.1A CN113627817B (zh) 2021-08-19 2021-08-19 一种基于城市内涝条件下道路连通性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110956051.1A CN113627817B (zh) 2021-08-19 2021-08-19 一种基于城市内涝条件下道路连通性分析方法

Publications (2)

Publication Number Publication Date
CN113627817A true CN113627817A (zh) 2021-11-09
CN113627817B CN113627817B (zh) 2024-05-28

Family

ID=78386709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110956051.1A Active CN113627817B (zh) 2021-08-19 2021-08-19 一种基于城市内涝条件下道路连通性分析方法

Country Status (1)

Country Link
CN (1) CN113627817B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580910A (zh) * 2022-03-04 2022-06-03 河南大学 一种考虑道路影响的流域泥沙连通性评价方法
CN116432934A (zh) * 2022-12-14 2023-07-14 北京师范大学 一种面向道路行洪防控的路网格局优选方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978451A (zh) * 2015-08-12 2015-10-14 河海大学 一种基于ArcGIS的复杂平原河网地区水文模型处理方法
KR101741777B1 (ko) * 2016-01-27 2017-05-30 (주)도명이엔지 공간정보를 사용한 침수지역의 홍수피해액 산정시 침수심 적용 방법
KR101754333B1 (ko) * 2016-01-27 2017-07-06 (주)도명이엔지 항공레이저측량과 공간정보를 사용한 침수지역의 홍수피해액 계산 방법
KR101815581B1 (ko) * 2016-10-26 2018-01-05 연세대학교 산학협력단 Gis 및 하수관망 정보모델을 이용한 도로 침수 구역 판단 시스템 및 방법
CN107832931A (zh) * 2017-10-31 2018-03-23 上海市政工程设计研究总院（集团）有限公司 一种平原水网地区内涝风险的模块化分析方法
CN108763615A (zh) * 2018-04-03 2018-11-06 天津大学 基于管网和道路双系统swmm对城市涝积水深模拟方法
CN109145317A (zh) * 2017-06-14 2019-01-04 浙江贵仁信息科技股份有限公司 一种地表水动力模型与地下管网模型的垂向耦合方法、系统及设备
CN109858647A (zh) * 2018-12-21 2019-06-07 河海大学 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法
CN110298076A (zh) * 2019-05-27 2019-10-01 广州奥格智能科技有限公司 一种基于gis和swmm的城市内涝智能建模及分析方法
CN111369059A (zh) * 2020-03-05 2020-07-03 山东大学 基于内涝快速模拟耦合模型的城市内涝预测方法及系统
CN111428936A (zh) * 2020-04-08 2020-07-17 长江水利委员会水文局 一种基于分布式水节点的流域雨洪可利用性指标测算方法
CN112052545A (zh) * 2020-08-25 2020-12-08 水利部交通运输部国家能源局南京水利科学研究院 一种基于元胞自动机的城市地表径流与管网汇流耦合方法
CN112132371A (zh) * 2019-06-25 2020-12-25 天津大学 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法
CN112711825A (zh) * 2021-03-26 2021-04-27 中国水利水电科学研究院 一种地表与管网分布式的直接双向耦合方法
CN112733337A (zh) * 2020-12-28 2021-04-30 华南理工大学 一种暴雨内涝影响下城市道路通行效率评估方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978451A (zh) * 2015-08-12 2015-10-14 河海大学 一种基于ArcGIS的复杂平原河网地区水文模型处理方法
KR101741777B1 (ko) * 2016-01-27 2017-05-30 (주)도명이엔지 공간정보를 사용한 침수지역의 홍수피해액 산정시 침수심 적용 방법
KR101754333B1 (ko) * 2016-01-27 2017-07-06 (주)도명이엔지 항공레이저측량과 공간정보를 사용한 침수지역의 홍수피해액 계산 방법
KR101815581B1 (ko) * 2016-10-26 2018-01-05 연세대학교 산학협력단 Gis 및 하수관망 정보모델을 이용한 도로 침수 구역 판단 시스템 및 방법
CN109145317A (zh) * 2017-06-14 2019-01-04 浙江贵仁信息科技股份有限公司 一种地表水动力模型与地下管网模型的垂向耦合方法、系统及设备
CN107832931A (zh) * 2017-10-31 2018-03-23 上海市政工程设计研究总院（集团）有限公司 一种平原水网地区内涝风险的模块化分析方法
CN108763615A (zh) * 2018-04-03 2018-11-06 天津大学 基于管网和道路双系统swmm对城市涝积水深模拟方法
CN109858647A (zh) * 2018-12-21 2019-06-07 河海大学 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法
CN110298076A (zh) * 2019-05-27 2019-10-01 广州奥格智能科技有限公司 一种基于gis和swmm的城市内涝智能建模及分析方法
CN112132371A (zh) * 2019-06-25 2020-12-25 天津大学 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法
CN111369059A (zh) * 2020-03-05 2020-07-03 山东大学 基于内涝快速模拟耦合模型的城市内涝预测方法及系统
CN111428936A (zh) * 2020-04-08 2020-07-17 长江水利委员会水文局 一种基于分布式水节点的流域雨洪可利用性指标测算方法
CN112052545A (zh) * 2020-08-25 2020-12-08 水利部交通运输部国家能源局南京水利科学研究院 一种基于元胞自动机的城市地表径流与管网汇流耦合方法
CN112733337A (zh) * 2020-12-28 2021-04-30 华南理工大学 一种暴雨内涝影响下城市道路通行效率评估方法
CN112711825A (zh) * 2021-03-26 2021-04-27 中国水利水电科学研究院 一种地表与管网分布式的直接双向耦合方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王慧亮等: "基于GIS与SWMM耦合的城市暴雨洪水淹没分析", 《人民黄河》, no. 8, 31 December 2017 (2017-12-31), pages 35 - 39 *
苏晓天: ""基于MIKE FLOOD的华北典型县域主城区内涝模拟研究"", 中国优秀硕士学位论文全文数据库 工程科技II期》, no. 7, 15 July 2020 (2020-07-15), pages 038 - 692 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580910A (zh) * 2022-03-04 2022-06-03 河南大学 一种考虑道路影响的流域泥沙连通性评价方法
CN114580910B (zh) * 2022-03-04 2022-09-20 河南大学 一种考虑道路影响的流域泥沙连通性评价方法
CN116432934A (zh) * 2022-12-14 2023-07-14 北京师范大学 一种面向道路行洪防控的路网格局优选方法
CN116432934B (zh) * 2022-12-14 2023-10-17 北京师范大学 一种面向道路行洪防控的路网格局优选方法

Also Published As

Publication number Publication date
CN113627817B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN108960599B (zh) 基于反演算法的输电线路暴雨灾害精细化预测方法及系统
CN116070918B (zh) 一种城市洪涝安全评估及洪涝灾害防治方法
CN111369059A (zh) 基于内涝快速模拟耦合模型的城市内涝预测方法及系统
Ahmad et al. Estimation of a unique pair of Nash model parameters: an optimization approach
CN109409694B (zh) 基于实测值的地块海绵城市绩效考核指标计算方法
CN106650618A (zh) 一种基于随机森林模型的人口数据空间化方法
CN113627817A (zh) 一种基于城市内涝条件下道路连通性分析方法
CN111475950B (zh) 一种下凹式立交桥下雨洪的模拟方法
CN111581767B (zh) 一种管网-河流耦合模型校核特征参数率定方法
Arthur et al. Potential for small hydropower development in the Lower Pra River Basin, Ghana
Amatya et al. Application of LiDAR data for hydrologic assessments of low-gradient coastal watershed drainage characteristics
CN111815117B (zh) 一种基于Grasshopper平台城市易涝程度模拟评价方法
CN113944887A (zh) 基于有向图遍历的管网监测溯源方法、系统、设备及介质
Wang et al. Risk Assessment of Typhoon Disaster Chains in the Guangdong–Hong Kong–Macau Greater Bay Area, China
CN117012004B (zh) 一种城市内涝风险预警方法及系统
Kalra et al. Coupled 1D and 2D HEC-RAS floodplain modeling of Pecos River in New Mexico
CN107944767A (zh) 基于bim和电子地图的建筑物选址方法及其系统
CN112507635A (zh) 一种流域湿地洪水调蓄功能量化评估方法
Colson et al. Comparison of stream extraction models using LIDAR DEMs
Prat Bayarri Coastal flooding and erosion at Dniester's barrier beach (Ukraine)
CN113807008B (zh) 一种基于深度学习的城市暴雨内涝模拟方法
Mahmood et al. Assessment of drainage capacity of Chaktai and Rajakhali Khal in Chittagong City and inundation adjacent of urban areas
Zhou et al. Flood submergence simulation and risk analysis based on GIS in plain area
Hai et al. Utilization of Geographic Information System (GIS) for urban management of RachGia City, Vietnam
CN117892167B (zh) 一种替代数值模拟的城市内涝代理模型构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant